Аннотация:
В данной работе представлен комплексный подход к анализу неполных и неточных
данных, проиллюстрированный на примере прогнозирования селей. Целью исследования является
демонстрация того, как сочетание различных методов позволяет не только получать адекватные
прогнозы, но и глубоко понимать логику принятия решений моделью, выявляя ключевые факторы,
влияющие на прогноз. Ключевым моментом работы является использование категоризации
числовых данных для повышения устойчивости моделей к выбросам и шуму, а также для учета
нелинейных зависимостей. Комплексный подход основан на сочетании ассоциативного анализа
данных и построения логического классификатора, который выступает в роли интерпретатора
полученных решений. Такое сочетание позволило выявлять критически важные входные признаки и
понимать, как модель использует информацию для формирования прогноза, выделять факторы,
оказывающие наибольшее влияние на результат прогнозирования, обеспечивать точность и
устойчивость прогнозов с учетом специфики и сложности данных о селевых потоках. Полученные в
ходе исследования правила, являющиеся ключевыми принципами изучаемой области, способствуют
более глубокому пониманию природы селей.
Ключевые слова:
машинное обучение, нейронные сети, кластерный анализ, ассоциативные правила
Полный текст:
PDF файл (392 kB)